OpenAI가 보여준 다음 AI는 챗봇이 아니라 항상 일하는 에이전트였다

AI를 쓰는 방식은 꽤 오랫동안 비슷했다.

사람이 질문한다. AI가 답한다. 다시 사람이 다음 질문을 입력한다.

조금 더 발전한 Agent도 결국은 사용자가 일을 시작시켜야 하는 경우가 많았다.

그런데 OpenAI가 9월 29일 공개한 Dots는 이 관계를 한 단계 더 밀어붙였다.

OpenAI가 Dots를 설명하면서 반복해서 강조한 표현은 always-on이다.

사용자의 질문을 기다리는 챗봇이 아니라, 목표와 맥락을 이해한 상태에서 여러 업무를 계속 이어가고 필요할 때만 사람을 다시 호출하는 AI를 만들겠다는 것이다.

이번 발표가 흥미로운 이유는 새로운 모델 하나가 추가됐기 때문이 아니다.

OpenAI가 AI에게 어디까지 일을 맡기려 하는지가 훨씬 구체적으로 보이기 시작했기 때문이다.

자체 컴퓨터를 가진 AI Agent

Dots는 GPT-6 Astra를 기반으로 동작한다.

각 dot에는 자체 cloud computer와 browser가 있고, 사용자가 연결한 앱을 이용해 실제 작업을 수행할 수 있다.

OpenAI는 plugin 생태계를 통해 4,000개가 넘는 앱과 연결할 수 있다고 설명한다.

각 dot은 자체 cloud computer와 browser를 사용하며 여러 프로젝트를 동시에 이어갈 수 있도록 설계됐다.

사용자는 ChatGPT뿐 아니라 Slack과 Teams에서도 dot과 대화할 수 있다. 한 채널에서 시작한 작업의 맥락을 다른 채널에서도 이어가는 구조다.

무엇보다 중요한 건 한 번에 하나의 대화를 처리하는 방식에서 벗어난다는 점이다.

OpenAI에 따르면 dot은 하나의 프로젝트를 맡아 진행하면서 동시에 다른 프로젝트도 수행할 수 있다. 사용자는 매 단계를 직접 지시하지 않아도 되고, 새로운 작업을 계속 추가할 수 있다.

OpenAI는 Dots를 자체 cloud computer와 browser를 갖고 여러 업무를 지속적으로 수행하는 always-on agent로 소개했다.

출처: OpenAI

이 지점부터 Dots는 우리가 익숙하게 사용해온 챗봇과 상당히 다른 형태가 된다.

챗봇의 중심에는 대화가 있다.

Dots의 중심에는 일이 있다.

대화는 일을 맡기고, 방향을 수정하고, 결과를 검토하는 인터페이스에 가까워진다.

AI가 먼저 일을 시작한다

Dots에서 특히 눈에 띄는 개념은 proactive research다.

사용자가 직접 대화하고 있지 않은 동안에도 dot이 연결된 정보를 확인하며 도움이 될 만한 일을 찾는 구조다.

예를 들어 OpenAI는 내부에서 Slack에 버그가 올라오면 dots가 조사를 시작하거나, 새로운 디자인이 들어오면 이를 앱으로 구현하는 작업을 이어가는 사례를 소개했다.

공식 발표에는 외부 초기 사용자의 dot이 미처 발행하지 않은 청구서를 발견하고 준비한 뒤, 사용자의 승인을 받은 후 전송한 사례도 포함돼 있다.

이런 예시들이 실제 모든 사용자에게 동일한 결과를 보장하는 것은 아니다.

하지만 OpenAI가 Dots를 어떤 제품으로 만들고 싶은지는 상당히 명확하게 드러난다.

사람이 매번 명령을 내려야 움직이는 AI가 아니라, 목표를 이해하고 스스로 다음 일을 찾아가는 AI다.

여기서 AI 사용 방식도 바뀐다.

지금까지는 사람이 일을 잘게 나눈 뒤 AI에게 하나씩 요청했다면, 앞으로는 더 큰 책임 단위를 AI에게 맡기고 중간에 필요한 판단만 사람이 하는 방식이 늘어날 수 있다.

그렇다고 모든 권한을 넘기는 것은 아니다

Always-on이라는 말만 보면 완전 자율 Agent를 떠올리기 쉽다.

하지만 OpenAI가 이번 발표에서 상당한 비중을 두고 설명한 부분은 오히려 통제와 승인이다.

OpenAI는 Dots의 행동을 자동 허용하거나 사람의 승인을 요구하거나 차단할 수 있도록 권한과 승인 구조를 두고 있다.

Dots가 사용자가 없는 동안 수행하는 proactive research에서는 연결된 앱의 read-only 도구만 사용한다.

이 상태에서는 메시지를 보내거나 앱의 내용을 변경하거나 사용자의 browser와 computer를 직접 제어할 수 없다.

실제 행동이 필요한 경우에는 별도의 권한 구조가 적용된다.

OpenAI는 Custom Rules를 통해 특정 행동을 자동으로 허용하거나, 사람의 승인을 요구하거나, 아예 차단할 수 있다고 설명한다.

계정이나 정보에 영향을 줄 수 있는 행동에는 auto-review가 적용되고, 비밀번호 변경처럼 민감한 작업은 항상 사용자가 직접 해야 한다.

OpenAI는 Dots가 실수할 수 있으므로 중요한 결과는 사람이 검토해야 한다고도 명시한다.

이 구조가 흥미롭다.

Agent AI의 목표가 사람을 완전히 제거하는 방향이라기보다, 사람이 개입해야 하는 지점을 줄이고 그 지점을 명확하게 설계하는 방향으로 보이기 때문이다.

Agent의 성능을 무엇으로 평가해야 할까?

AI 모델을 평가할 때 우리는 주로 benchmark를 본다.

추론 점수가 얼마나 높은가, 코딩 문제를 얼마나 잘 푸는가, 응답 속도와 비용은 어떤가.

하지만 Dots 같은 Agent가 실제 업무 시스템으로 들어오면 이 기준만으로는 부족해진다.

얼마나 오래 일을 이어갈 수 있는가?

여러 업무를 동시에 관리할 수 있는가?

어떤 앱과 시스템에 연결되는가?

어디까지 스스로 행동할 수 있는가?

언제 사람에게 승인을 요청하는가?

문제가 생겼을 때 사람이 어디에서 개입할 수 있는가?

Agent의 품질은 이제 모델 성능뿐 아니라 이런 운영 구조까지 함께 봐야 할 것 같다.

최근 AI Agent와 자동화 도구를 계속 살펴보면서 나도 비슷한 생각을 하고 있었다.

AI 사용 방식이 단순한 질문과 답변에서 점점 더 긴 업무를 맡기는 방향으로 이동하고 있다는 것이다.

Dots를 직접 사용해본 것은 아니기 때문에 실제 사용성이나 생산성 효과를 평가할 수는 없다.

다만 OpenAI가 이번 발표에서 보여준 방향은 꽤 선명하다.

사람의 역할은 '실행'에서 '경계 설정'으로 이동할까

지금까지 AI를 잘 사용하는 능력은 좋은 질문을 만드는 능력과 상당 부분 연결돼 있었다.

무엇을 원하는지 설명하고, 조건을 주고, 결과를 검토한 뒤 다시 수정하는 과정이었다.

Always-on Agent가 실제 업무에 자리 잡으면 필요한 능력도 조금 달라질 수 있다.

무엇을 맡길 것인가.

어디까지 맡길 것인가.

어떤 행동은 자동으로 실행하게 하고, 어떤 행동은 반드시 사람에게 물어보게 할 것인가.

결과를 어디에서 확인할 것인가.

AI를 직접 움직이는 능력보다 AI가 움직일 수 있는 경계를 설계하는 능력이 중요해지는 것이다.

이건 최근 Agent 분야에서 반복해서 등장하는 흐름이기도 하다.

Agent에게 더 많은 권한과 실행 시간을 줄수록, 그 바깥에서 권한과 네트워크, 실행 환경과 중단 지점을 통제해야 한다는 요구도 함께 커진다.

Dots 역시 이런 현실을 전제로 설계된 제품으로 보인다.

더 많은 일을 AI에게 맡기되, 중요한 행동에는 사람의 승인과 규칙을 남겨두는 방식이다.

챗봇 다음의 인터페이스

OpenAI는 현재 Dots를 Pro와 Business Premium 사용자에게 eligible markets부터 순차적으로 제공하고 있다. Enterprise 사용자는 관리자가 활성화한 경우 beta를 사용할 수 있다.

첫 번째 dot은 해당 요금제에 포함되며, OpenAI는 앞으로 여러 dots가 팀처럼 함께 일하는 구조까지 확장할 계획이라고 밝혔다.

아직 Dots가 실제 업무에서 어느 정도 안정적으로 작동할지, 얼마나 많은 책임을 맡길 수 있을지, 생산성이 얼마나 달라질지는 더 지켜봐야 한다.

하지만 이번 발표 하나만으로도 OpenAI가 그리는 다음 인터페이스는 상당히 분명하다.

사람이 빈 채팅창을 열고 AI에게 질문하는 장면이 중심이 아닐 수 있다.

AI는 이미 일을 진행하고 있다.

사람은 진행 상황을 보고, 방향을 바꾸고, 중요한 결정을 승인한다.

그렇게 된다면 다음 AI 경쟁에서 중요한 질문도 달라질 것이다.

'이 모델은 얼마나 똑똑한가?'보다,

'이 Agent에게 우리는 어떤 일을 안심하고 맡길 수 있는가?'가 더 중요한 질문이 될 수 있다.